Plan détaillé
Objectifs généraux
Introduction générale
Prérequis
- Test Prérequis
3- Qu'est-ce que l'intelligence artificielle ?
5- Types d'intelligence artificielle
7- Domaine de l'intelligence artificielle
Chapitre 2 : Les différents modes d'apprentissage
3- Les fondations du Machine Learning
· Comprendre pourquoi le Machine Learning est utilisé ?
· Laisser la Machine apprendre à partir d'expériences
· Définition d'apprentissage supervisé
· Les 4 notions clés du Machine Learning
· Régression Logistique et Algorithmes de Classification
· Modèles d'apprentissage supervisé
· Méthodes d'évaluation des classifieurs
· K-Plus Proche Voisin
- Série du TD3
· Arbre de décision
- Série du TD4
· Machines à vecteurs supports (SVM)
- Série du TD5
· Les réseaux de neurones
- Série du TD6 (perceptron simple)
- Série du TD7 (perceptron multicouches)
· Applications de l'apprentissage supervisé
5- Apprentissage non supervisé
· Le problème de l'Apprentissage Supervisé
· Comment apprendre sans exemple de ce qu'il faut apprendre ?
· Classification hiérarchique
· Clustering
· Algorithme de K-Mean Clustering
· Applications de l'apprentissage non supervisé
- Série du TD8
6- Apprentissage semi-supervisé
· Principes clés de l'apprentissage semi-supervisé
· Techniques d'apprentissage semi-supervisé
· Avantages de l'apprentissage semi-supervisé
· Limitations de l'apprentissage semi-supervisé
· Applications de l'apprentissage semi-supervisé
7- Apprentissage par transfert
· Apprentissage traditionnel et apprentissage par transfert
· Concepts clés de l'apprentissage par transfert
· Étapes de l'apprentissage par transfert
· Avantages de l'apprentissage par transfert
· Limitations de l'apprentissage par transfert
· Applications de l'apprentissage par transfert
8- Apprentissage par renforcement
· Concepts clés de l'apprentissage par renforcement
· Processus d'apprentissage par renforcement
· Avantages de l'apprentissage par renforcement
· Limitations de l'apprentissage par renforcement
· Applications de l'apprentissage par renforcement
9- Conclusion
10- Exercices (TD9)
Chapitre 3 : Amélioration de l'apprentissage
1- Objectifs
2- Introduction
3- Les Algorithmes Génétiques
4- Optimisation par Essaim de Particules (PSO)
5- Conclusion
6- Exercices (TD10)
Conclusion généraleTest de sortie
Glossaire du cours
Abréviations
Références bibliographiques
Ressources d’aide